सार:
इस महीने की शुरुआत में याद करें, जब गणितज्ञों ने ओपनएआई पर एक अत्यंत कठिन गणितीय समस्या के परिणामों के लिए बढ़त हासिल करने और प्रतिस्पर्धा करने की कोशिश करने का आरोप लगाया था, जिसने कंपनी को सार्वजनिक आक्रोश में डाल दिया था? शोध की प्रगति से परिचित लोगों के अनुसार, तथ्य यह है कि ओपनएआई मिलेनियम पुरस्कार समस्या में एक और गणितीय समस्या को हल करने के बहुत करीब है। मिलेनियम पुरस्कार समस्या में कुल सात प्रसिद्ध गणितीय चुनौतियाँ शामिल हैं, और नेवियर-स्टोक्स समीकरण के अस्तित्व और सुचारुता का पूर्व विवादास्पद मुद्दा उनमें से एक है।
सूत्र ने कहा कि कंपनी के कर्मचारियों को उम्मीद है कि अगला लक्ष्य, हॉज अनुमान, अपेक्षाकृत कम समय में सिद्ध होने की उम्मीद है। हॉज अनुमान अध्ययन करता है कि क्या बहुपद समीकरणों द्वारा परिभाषित ज्यामिति की कुछ ज्यामितीय विशेषताओं को हमेशा सरल बीजगणितीय घटकों द्वारा वर्णित किया जा सकता है। हालाँकि, OpenAI को प्रमाण परिणाम घोषित करने में अधिक समय लग सकता है। इसका कारण यह है कि कंपनी अध्ययन कर रही है कि एक और जनसंपर्क संकट से बचने के लिए परिणामों को उचित तरीके से प्रकाशित करने के लिए गणित समुदाय के साथ कैसे सहयोग किया जाए।
ओपनएआई इन कठिन और कठिन गणितीय समस्याओं में क्यों रुचि रखता है? आख़िरकार, ऐसी समस्याओं को हल करना महंगा है: पहले नेवियर-स्टोक्स समीकरण से संबंधित परिणामों को साबित करने में लाखों डॉलर खर्च हो सकते थे। सूत्र ने कहा कि ओपनएआई ने इस प्रमाण को पूरा करने के लिए अगली पीढ़ी के पूर्व-प्रशिक्षित मॉडल (कोडनाम "डौग") के एक संस्करण का उपयोग किया।
कुछ ओपनएआई शोधकर्ताओं का मानना है कि सॉफ्टवेयर इंजीनियरिंग के बाद, बड़े मॉडलों के लिए गणित अगला तार्किक क्षेत्र है। दोनों क्षेत्रों की विशेषताएं समान हैं: दोनों को चरण-दर-चरण तार्किक तर्क की आवश्यकता होती है, और अधिकांश परिणाम स्वचालित रूप से सत्यापित किए जा सकते हैं। कुछ शोधकर्ता यह भी मानते हैं कि पिछले वर्ष सॉफ्टवेयर इंजीनियरिंग के क्षेत्र में जो स्वचालन परिवर्तन हुए हैं, वे अगले 6 से 9 महीनों में गणित के क्षेत्र में दोहराए जाएंगे।
इसके अलावा, कठिन गणितीय समस्याओं पर काबू पाने से एआई डेवलपर्स को मशीन लर्निंग अनुसंधान के स्वचालन को बढ़ावा देने में भी मदद मिलेगी - मशीन लर्निंग में स्वयं बहुत सारे गणित शामिल होते हैं। इस प्रकार का स्वचालन उनके पुनरावर्ती आत्म-सुधार के लक्ष्य का एक महत्वपूर्ण हिस्सा है (एआई स्वतंत्र रूप से नए एआई विकसित करता है)।
कभी सिद्ध नहीं हुई गणितीय समस्याओं को हल करने के लिए अत्याधुनिक मॉडलों की क्षमता का परीक्षण करने से शोधकर्ताओं को मॉडलों की प्रगति स्तर और जटिल तर्क क्षमताओं का मूल्यांकन करने में भी मदद मिल सकती है। यदि मॉडल नेवियर-स्टोक्स समीकरण और हॉज अनुमान जैसी कठिन समस्याओं को हल कर सकता है, तो इसका मतलब यह हो सकता है कि यह जीव विज्ञान और रसायन विज्ञान जैसे अन्य क्षेत्रों में भी समान रूप से कठिन समस्याओं को हल करने में सक्षम है।
इसके अलावा, जब तक परिणाम गणितज्ञों के बीच मजबूत असंतोष पैदा किए बिना जारी किए जाते हैं, ऐसी सफलताएं ओपनएआई के लिए आकर्षक नए मील के पत्थर भी बना सकती हैं और सामान्य सुपर कृत्रिम बुद्धिमत्ता की दौड़ में प्रचार चिप्स के रूप में काम कर सकती हैं, जो स्वाभाविक रूप से कंपनी के लिए फायदेमंद है।
टिप्पणियाँ